鄧義， 楊壁然， 劉志強(qiáng)， 鮑軍芳， 唐亞霞

乳腺癌是臨床常見腫瘤，近年來(lái)我國(guó)女性乳腺癌的死亡率呈上升趨勢(shì)，早期發(fā)現(xiàn)、診斷和及時(shí)治療是乳腺癌防治的重要策略[1]。乳腺M(fèi)RI檢查診斷乳腺癌的敏感度高，但是乳腺良惡性病變的影像表現(xiàn)有一定的重疊，有待進(jìn)一步研究。圖像紋理分析是一種計(jì)算機(jī)輔助圖像分析方法，可以量化分析圖像像素的灰度值局部特征、像素灰度值變化規(guī)律及其空間分布結(jié)構(gòu)信息，不局限于肉眼的觀察。本研究旨在探討乳腺磁共振增強(qiáng)圖像的三維紋理分析在鑒別乳腺良惡性病變中的診斷價(jià)值。

材料與方法

1.臨床資料

搜集2016年10月-2018年4月在本院就診的34例女性患者的臨床和影像檢查資料。其中乳腺癌患者16例，年齡31～68歲，中位年齡51歲；浸潤(rùn)性導(dǎo)管癌14例，導(dǎo)管原位癌2例。乳腺良性病變患者18例，年齡31～59歲，中位年齡45歲；纖維瘤9例，乳腺腺病7例，乳腺炎2例。所有病例經(jīng)手術(shù)病理證實(shí)，于術(shù)前1周行MRI檢查。

2.成像設(shè)備和方法

使用Siemens Avanto 1.5T磁共振掃描儀和四通道相控陣乳腺專用線圈。患者取俯臥位、頭先進(jìn)，雙乳自然懸垂于線圈內(nèi)。先行常規(guī)MR平掃，包括T1WI、T2WI和DWI序列，隨后采用橫軸面三維容積內(nèi)插法快速擾相梯度回波序列行動(dòng)態(tài)增強(qiáng)掃描，完成蒙片掃描后，注射釓對(duì)比劑(馬根維顯)，劑量0.1 mmol/kg，注射流率2 mL/s，隨即以同樣流率注射生理鹽水20 mL，對(duì)比劑注射完成后立即啟動(dòng)掃描，共掃描7個(gè)期相，每期的掃描時(shí)間為90 s。掃描參數(shù)：TR 4.58 ms，TE 1.87 ms，矩陣384×384，視野36 cm×36 cm，層厚1.5 mm，層間距0.3 mm。

3.圖像后處理和分析

圖像選擇和導(dǎo)出：自PACS將MR圖像回傳至思創(chuàng)工作站，由具有豐富影像診斷經(jīng)驗(yàn)的影像醫(yī)師在工作站上進(jìn)行閱片分析，將動(dòng)態(tài)增強(qiáng)掃描第一期相的圖像以“BMP”格式導(dǎo)出至移動(dòng)硬盤，導(dǎo)出圖像的窗寬、窗位需保持一致。

圖像紋理參數(shù)提?。菏褂眉y理分析軟件MaZda(Version 4.6，http://www.eletel.p.lodz.pl/mazda)，由具有豐富影像診斷工作經(jīng)驗(yàn)的影像科醫(yī)師對(duì)增強(qiáng)圖像進(jìn)行紋理分析，使用軟件中的三維感興趣區(qū)編輯器(3D ROI editor)在病灶內(nèi)勾畫ROI，編輯器可變形，表面網(wǎng)可自動(dòng)探測(cè)病變的邊界，ROI包括整個(gè)病灶，隨后軟件即可計(jì)算出病變的紋理特征參數(shù)(圖1～2)。為減小對(duì)比度和亮度變化對(duì)分析結(jié)果可能存在的影響，在提取圖像紋理參數(shù)之前，先將圖像的灰階水平在[μ-3δ，μ+3δ](μ和δ分別是平均灰度值和標(biāo)準(zhǔn)差)范圍進(jìn)行標(biāo)準(zhǔn)化。紋理參數(shù)的分析方法包括灰度直方圖、灰度游程矩陣、灰度絕對(duì)梯度和灰度共生矩陣等。

紋理特征和分類分析：采用MaZda軟件的3種最優(yōu)紋理參數(shù)選擇方法，分別是交互信息(mutual information，MI)、Fisher系數(shù)(Fisher coefficient，F(xiàn)isher)和最小分類誤差與最小平均相關(guān)系數(shù)法(inimisation of both classification error probability and average correlation coefficients，POE+ACC)，分別提取每種方法當(dāng)中的前10個(gè)最優(yōu)紋理參數(shù)，總共30個(gè)紋理參數(shù)進(jìn)行后續(xù)分析。MaZda軟件自帶B11統(tǒng)計(jì)分析軟件包，提供4種常用的分類分析方法，包括：原始數(shù)據(jù)分析(raw data analysis，RDA)、主要成分分析(principal component analysis，PCA)、線性分類分析(linear discriminant analysis，LDA)和非線性分類分析(nonlinear discriminant analysis，NDA)。采用上述4種方法分別對(duì)最優(yōu)紋理參數(shù)進(jìn)行分析，評(píng)估其在乳腺癌與乳腺良性病變鑒別診斷中的價(jià)值，鑒別診斷結(jié)果以誤判率表示。誤判率越小說(shuō)明圖像的紋理特征參數(shù)越具有鑒別診斷價(jià)值。

使用SPSS 16.0統(tǒng)計(jì)分析軟件，對(duì)上述30個(gè)最優(yōu)紋理參數(shù)在良惡性病變間的差異采用兩獨(dú)立樣本Mann-Whitney U檢驗(yàn)進(jìn)行統(tǒng)計(jì)學(xué)分析，以P<0.05為差異有統(tǒng)計(jì)學(xué)意義，對(duì)其中組間差異具有統(tǒng)計(jì)學(xué)意義的紋理參數(shù)，采用MedCalc 15.8統(tǒng)計(jì)軟件進(jìn)行受試者工作特征曲線(ROC)分析。

結(jié) 果

基于動(dòng)態(tài)增強(qiáng)早期圖像的不同紋理特征選擇方法及分類分析方法對(duì)良惡性病變的誤判率見表1?；谧顑?yōu)紋理特征的4種分類分析方法中，以非線性分類分析(NDA)對(duì)于乳腺良惡性病變的誤判率最低，其中以POE+ACC聯(lián)合NDA的誤判率最低(圖3)，誤判率為5.88%。采用3種紋理參數(shù)選擇方法選取的30個(gè)最優(yōu)紋理參數(shù)中，以灰度共生矩陣參數(shù)最多(17個(gè))，直方圖參數(shù)6個(gè)，游程矩陣參數(shù)6個(gè)、絕對(duì)梯度參數(shù)1個(gè)。其中10項(xiàng)紋理參數(shù)在乳腺良惡性病變之間的差異具有統(tǒng)計(jì)學(xué)意義(P<0.05)，這10項(xiàng)參數(shù)的測(cè)量值及組間比較結(jié)果見表2。10項(xiàng)紋理參數(shù)鑒別病灶良惡性的診斷效能見表3。受試者工作特征曲線分析結(jié)果顯示，各項(xiàng)紋理參數(shù)的AUC范圍為0.717～0.755。

表2 乳腺良惡性病變見差異有統(tǒng)計(jì)學(xué)意義的10項(xiàng)紋理參數(shù)值

表3 乳腺良惡性病變的三維紋理參數(shù)受試者工作特征曲線分析

圖1 右側(cè)乳腺導(dǎo)管癌患者對(duì)比增強(qiáng)T1WI，在病灶內(nèi)勾畫ROI進(jìn)行紋理參數(shù)的測(cè)量，此病灶的99%灰度百分位值為4.096×103，50%灰度百分位值為3.133×103，直方圖均值為3.073×103，均值和(0，1，0)為0.976×102，均值和(1，0，0)為0.975×102，均值和(1，1，0)為0.979×102，均值和(0，0，1)為0.981×102，均值和(1，-1，0)為0.974×102，90%灰度百分位值為3.647×103，10%灰度百分位值為2.426×103。 圖2 左側(cè)乳腺纖維腺瘤患者對(duì)比增強(qiáng)T1WI，在病灶內(nèi)勾畫ROI進(jìn)行紋理參數(shù)的測(cè)量，此病灶的99%灰度百分位值為3.277×103，50%灰度百分位值為1.639×103，直方圖平均值為1.725×103，均值和(0，1，0)為0.552×102，均值和(1，0，0)為0.550×102，均值和(1，1，0)為0.551×102，均值和(0，0，1)為0.552×102，均值和(1，-1，0)為0.551×102，90%灰度百分位值為2.346×103，10%灰度百分位值為1.189×103。 圖3 POE+ACC/NDA法分類結(jié)果示意圖，1代表乳腺癌組，2代表良性病變組，1和2之間僅有少許重疊，重疊越少則對(duì)兩組的誤判率越低。

表1 各種紋理特征選擇方法及分類分析方法的誤判率 (%)

討 論

乳腺良惡性病變的影像學(xué)鑒別診斷對(duì)于臨床選擇治療方案具有非常重要的意義。常規(guī)MRI序列包括DWI對(duì)乳腺良惡性病變的診斷具有較大價(jià)值，但是良惡性病變的影像表現(xiàn)仍有重疊[2]。圖像紋理分析技術(shù)通過(guò)數(shù)學(xué)運(yùn)算來(lái)反映數(shù)字圖像中像素灰度的分布特征，能夠提供影像科醫(yī)師肉眼所不能觀察到的客觀信息。既往有研究基于乳腺X線攝影進(jìn)行紋理分析，結(jié)果顯示結(jié)合紋理分析的方法可以明顯提高乳腺X線攝影對(duì)乳腺良惡性病變的診斷效能[3]。有學(xué)者研究發(fā)現(xiàn)基于T2WI序列的紋理分析對(duì)乳腺病變的誤判率低于T1WI和延遲增強(qiáng)T1WI[4]。基于T2WI和對(duì)比增強(qiáng)T1WI的紋理分析可以幫助預(yù)測(cè)乳腺癌對(duì)治療后的反應(yīng)[5-6]。MR增強(qiáng)圖像的紋理分析聯(lián)合MR乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(BI-RADS)可以提高乳腺良惡性病變的診斷準(zhǔn)確性[7]。目前多數(shù)文獻(xiàn)關(guān)于圖像紋理分析采用的是二維圖像分析，未能分析全部瘤體的紋理參數(shù)，對(duì)于腫瘤的異質(zhì)性和腫瘤成份的空間分布信息可能出現(xiàn)遺漏。本研究采用三維紋理分析法，結(jié)果顯示MR增強(qiáng)圖像三維紋理分析對(duì)于良惡性腫瘤的誤判率低，POE+ACC聯(lián)合非線性分類分析(NDA)的誤判率僅5.88%。在MaZda軟件中，NDA是采用人工神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)分類。對(duì)于乳腺良惡性腫塊的紋理特征的分類分析方法中，NDA的誤判率最低，與張竹偉等[4]的研究報(bào)道一致，在他們的研究中基于增強(qiáng)T1WI的誤判率為14.71%。

本研究中獲取的乳腺良惡性病變的MRI三維紋理分析參數(shù)中，經(jīng)統(tǒng)計(jì)學(xué)分析，結(jié)果顯示有10項(xiàng)紋理參數(shù)的差異具有統(tǒng)計(jì)學(xué)意義，其中5個(gè)為直方圖參數(shù)，5個(gè)為灰度共生矩陣參數(shù)，提示這些紋理特征在乳腺良惡性病變的診斷中具有應(yīng)用價(jià)值。直方圖參數(shù)在腫瘤的影像診斷和鑒別診斷中的價(jià)值已經(jīng)有相關(guān)研究，直方圖可以反映不同腫瘤區(qū)域的灰度特征，對(duì)全部瘤體的直方圖分析在腫瘤的診斷和分級(jí)中具有優(yōu)勢(shì)。本研究中以50%灰度百分位值的診斷價(jià)值最高，其AUC為0.755，敏感度93.75%，特異度61.11%，最佳臨界值為2.217×103。

灰度共生矩陣是一種描述圖像表面灰度分布周期規(guī)律的紋理分析方法，具有豐富的紋理特征參數(shù)，本研究中選取的30個(gè)最佳紋理特征中有17個(gè)來(lái)自于灰度共生矩陣。10個(gè)具有統(tǒng)計(jì)學(xué)差異的參數(shù)中有5個(gè)為灰度共生矩陣參數(shù)。均值和是度量圖像區(qū)域內(nèi)像素點(diǎn)平均灰度值的參數(shù)，反映了圖像的整體明暗深淺。良惡性病變間均值和的差異具有統(tǒng)計(jì)學(xué)意義，從影像學(xué)特征方面反映了乳腺良惡性腫瘤的組織結(jié)構(gòu)的差異。

本研究的局限性在于樣本量不大，良惡性組病變組為對(duì)具體疾病類型進(jìn)行進(jìn)一步細(xì)分，需要在今后的的研究中進(jìn)一步深入分析?？傊?，磁共振增強(qiáng)圖像三維紋理分析對(duì)于乳腺良惡性病變的鑒別診斷具有良好的臨床應(yīng)用價(jià)值。